Validación cruzada

Técnica para evaluar un modelo dividiendo los datos en varios bloques y entrenando y probando de forma rotativa. Ofrece una estimación más fiable del rendimiento que una sola partición.

Técnica para evaluar un modelo dividiendo los datos en varios bloques y entrenando y probando de forma rotativa. Ofrece una estimación más fiable del rendimiento que una sola partición.

Actualizado: 3 de junio de 2026.

En lugar de fiarte de una única separación entrenamiento/prueba, la validación cruzada repite el proceso varias veces con distintos bloques de datos y promedia los resultados. Así reduces la suerte de una partición concreta.

K-fold

La variante más común divide los datos en k partes; en cada ronda una sirve de prueba y el resto de entrenamiento. Con k = 5 o 10 se obtiene un buen equilibrio.

Para qué sirve

Detectar sobreajuste y comparar modelos de forma justa antes de pasarlos a producción.